У Сполучених Штатах оголосили про масштабну державно-приватну ініціативу, спрямовану на використання штучного інтелекту для дослідження біологічних процесів, прогнозування поведінки клітин та прискорення пошуку нових способів профілактики й лікування захворювань.
До фінансування проєкту долучаться американські державні установи, технологічні корпорації та некомерційна дослідницька організація Biohub, створена за підтримки засновника Meta Марка Цукерберга та його дружини Прісцилли Чан.
Ініціатива передбачає формування великих стандартизованих масивів біологічної інформації, які використовуватимуться для навчання систем штучного інтелекту.
Передбачається, що такі моделі зможуть аналізувати складні взаємозв’язки між біологічними процесами та допомагати науковцям перевіряти гіпотези щодо механізмів виникнення й розвитку захворювань.
Уряд США виділить понад $1 млрд на біологічні дослідження та обчисленняОсновну частину фінансування забезпечать федеральні державні установи США.
Міністерство енергетики протягом наступних п’яти років інвестує понад $500 млн у проведення лабораторних вимірювань,
математичне моделювання та розвиток обчислювальних технологій.
Ще понад $500 млн державних інвестицій спрямують на формування біологічних масивів даних, цифрових репозиторіїв і спеціалізованих баз знань.
Координацію цього напряму здійснюватимуть Національні інститути охорони здоров’я США (NIH), які входять до системи американського Міністерства охорони здоров’я та соціальних служб.
Одним із ключових завдань стане забезпечення сумісності та стандартизації інформації, отриманої в різних лабораторіях і дослідницьких установах.
Це необхідно для того, щоб системи штучного інтелекту могли використовувати дані з різних джерел, порівнювати результати експериментів і виявляти закономірності, які складно встановити традиційними методами аналізу.
Організація Biohub допомагатиме стандартизувати відповідні масиви даних для подальшого навчання ШІ-моделей.
Meta, Google DeepMind та Isomorphic Labs вкладуть $300 млнДо реалізації ініціативи також долучаться приватні технологічні компанії, які спеціалізуються на розробці штучного інтелекту.
Meta, Google DeepMind та стартап Isomorphic Labs спільно інвестують $300 млн у Virtual Biology Initiative — дослідницький проєкт Biohub,
спрямований на створення технологій для цифрового моделювання біологічних процесів.
У межах цього напряму планується розробляти мультимодальні масиви даних, які об’єднуватимуть різні типи біологічної інформації.
Такі дані використовуватимуться для створення прогностичних моделей, здатних передбачати поведінку клітин у різних умовах.
Зокрема, дослідники прагнуть навчити системи штучного інтелекту моделювати реакцію клітин на зовнішні впливи та зміни біологічного середовища.
Очікується, що це дозволить прискорити дослідження механізмів розвитку захворювань і пошук перспективних напрямів лікування.
Раніше, у квітні 2026 року, Biohub уже виділила $500 млн на реалізацію Virtual Biology Initiative.
Таким чином, нові приватні інвестиції доповнять раніше оголошене фінансування дослідницької програми.
Штучний інтелект навчатимуть прогнозувати поведінку живих клітинЦентральною технологічною метою ініціативи стане створення так званих прогностичних моделей життя — систем штучного інтелекту, здатних передбачати перебіг біологічних процесів.
На відміну від традиційних алгоритмів,
які переважно аналізують уже наявну інформацію, такі моделі мають навчитися прогнозувати можливі зміни в поведінці клітин.
Для цього використовуватимуться великі обсяги експериментальних даних, результати лабораторних досліджень та інформація про взаємодію різних біологічних компонентів.
Передбачається, що науковці зможуть ставити цифровим моделям запитання щодо певних біологічних процесів та отримувати прогнози, які допоможуть визначати напрями подальших експериментів.
Наприклад, подібні технології потенційно можуть використовуватися для дослідження реакції клітин на лікарські речовини або вивчення механізмів розвитку окремих захворювань.
Водночас ідеться про інструменти наукового моделювання, а не про готові системи діагностики чи лікування пацієнтів.
Результати роботи таких моделей потребуватимуть експериментальної перевірки, перш ніж їх можна буде застосовувати в практичній медицині.
Частина даних буде відкритою, але приватні компанії отримають тимчасові перевагиОдним із принципів нової ініціативи стане створення відкритої бази біологічних даних, доступної для міжнародної наукової спільноти.
Організатори розраховують, що дослідники з різних країн зможуть використовувати ці матеріали для навчання власних моделей штучного інтелекту та проведення незалежних досліджень.
Такий підхід має сприяти ширшому обміну науковою інформацією та зменшити потребу в дублюванні дорогих лабораторних експериментів.
Водночас відкритість не поширюватиметься одразу на всі результати досліджень.
Як повідомляє Reuters із посиланням на наукового керівника Biohub Алекса Райвза, дані, отримані завдяки фінансуванню приватних компаній, протягом певного часу будуть доступні лише відповідним інвесторам.
Це означає, що технологічні корпорації зможуть отримати тимчасовий пріоритетний доступ до частини інформації, створеної в межах спільної програми.
Конкретні строки такого обмеження доступу в оприлюдненій інформації не уточнюються.
Перші дані очікують за рік, точні ШІ-моделі — протягом п’яти роківРозробники ініціативи визначили попередні строки реалізації проєкту.
Очікується, що перший масштабний масив біологічних даних буде підготовлений приблизно через рік після запуску програми.
Водночас створення достатньо точних прогностичних моделей біологічних процесів може тривати до п’яти років.
Такий часовий горизонт пов’язаний зі складністю завдання: для моделювання поведінки живих клітин необхідні не лише значні обчислювальні потужності, а й великі обсяги якісних експериментальних даних.
У разі успішної реалізації ініціатива може сформувати нову дослідницьку інфраструктуру для біомедицини, яка дозволить швидше перевіряти наукові гіпотези та визначати перспективні напрями розробки лікарських засобів.
Проте реальний вплив таких технологій на медичну практику залежатиме від точності моделей, результатів лабораторних досліджень і подальших клінічних випробувань.
